नेविगेशन
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Trinity Large Thinking (medium) vs Gemini 3.7 Flash (low)

Gemini 3.7 Flash (low) average score में आगे है: 9.4 vs 6.1. Gemini 3.7 Flash (low) की benchmark लागत कम है: $0.183 vs $0.862. Gemini 3.7 Flash (low) तेज है: 6.24s vs 84.01s, pass rates 49.3% vs 95.7%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-10-24

तुलना किए गए मॉडल

रैंक
#278
कुल आउटपुट टोकन
925,046
प्रतिक्रिया समय (औसत)
84.01s
कुल लागत
$0.862
रैंक
#26
कुल आउटपुट टोकन
38,453
प्रतिक्रिया समय (औसत)
6.24s
कुल लागत
$0.183
अनुशंसित मॉडल Gemini 3.7 Flash (low)

It has the best score here (9.4), while costing about 4.7x less than Trinity Large Thinking (medium).

विस्तृत तुलना

मेट्रिक Trinity Large Thinking Trinity Large Thinking medium रिलीज़: 2026-07-28 Gemini 3.7 Flash Gemini 3.7 Flash low रिलीज़: 2026-08-14
स्कोर 6.1 9.4
रैंक #278 #26
विश्वसनीयता 10.0 10.0
संगति 7.7 9.3
प्रयास 69/69 69/69
सही परीक्षण
प्रति प्रयास पास दर 49.3% 95.7%
अस्थिर टेस्ट 7 2
कुल रन 69 69
प्रति परिणाम लागत 10.772 0.868
कुल लागत $0.862 $0.183
इनपुट कीमत $0.250 / 1M $0.750 / 1M
आउटपुट कीमत $0.800 / 1M $3.750 / 1M
कैश पढ़ने की कीमत $0.060 / 1M $0.075 / 1M
कैश लिखने की कीमत लागू नहीं $0.042 / 1M
कुल इनपुट टोकन 319,352 188,519
आउटपुट टोकन 158,447 7,694
रीजनिंग टोकन 875,524 30,759
प्रतिक्रिया समय (औसत) 84.01s 6.24s
प्रतिक्रिया समय (अधिकतम) 525.14s 58.75s
प्रतिक्रिया समय (कुल) 1932.24s 143.56s
पैरामीटर 398B कुल (13B सक्रिय) ~500B कुल (~20B सक्रिय)
उपलब्धता वेट उपलब्ध बंद स्रोत

कैश की कीमतें इनपुट टोकन पर लागू होती हैं। पढ़ने पर कैश किए गए प्रॉम्प्ट का दोबारा उपयोग होता है; लिखने पर वे सहेजे जाते हैं और अतिरिक्त लागत हो सकती है। आउटपुट टोकन पर आउटपुट की कीमत लागू होती है।

मॉडल जनरेशन शोकेस

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#278 Trinity Large Thinking

medium
लागत
$0.016
समय
75.9s
टोकन
19,401 tok

#26 Gemini 3.7 Flash

low
लागत
$0.010
समय
23.5s
टोकन
5,210 tok

स्कोर के अनुसार शीर्ष मॉडल

स्कोर बनाम कुल लागत

प्रतिक्रिया समय (औसत)

स्कोर vs प्रतिक्रिया समय (औसत)

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

श्रेणी विवरण

कोडिंग स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
Trinity Large Thinking 7.5 10.0 66.7% 0 179.02s 7,248 7,413 351,155
Gemini 3.7 Flash 7.6 7.2 77.8% 1 6.20s 8,118 461 11,508

तुलना जोड़ी बदलें